买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利基于端到端RX的高光谱图像异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114202539B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111556995.6，技术领域涉及：G06T7/00；该发明授权基于端到端RX的高光谱图像异常检测方法是由刘芳;刘嘉;肖亮;杨劲翔;张安迪;郜文菲设计研发完成，并于2021-12-18向国家知识产权局提交的专利申请。

本基于端到端RX的高光谱图像异常检测方法在说明书摘要公布了：本发明公开了一种基于端到端RX的高光谱图像异常检测方法，该方法包括：利用变分自编码对高光谱图像的每个像素点进行特征学习；提取变分自编码网络的隐含层特征作为高光谱像素的特征表示；估计高光谱图像中各像素点特征表示的局部均值和局部协方差矩阵；构建可微分的RX异常检测算法得到异常指数；计算可微分RX结构的反向传播模式；构建基于端到端RX的高光谱异常检测网络结构；融合变分自编码网络和端到端RX的损失函数并训练；输入高光谱图像在训练好的网络并输出异常检测结果。本发明方法具有有效融合VAE网络隐含层特征空间和RX异常特征信息的能力，应用于高光谱图像异常检测任务具有优异性能。

本发明授权基于端到端RX的高光谱图像异常检测方法在权利要求书中公布了：1.一种基于端到端RX的高光谱图像异常检测方法，其特征在于，包括以下步骤： 第一步，利用变分自编码网络对高光谱图像中的所有像素点进行特征学习去除冗余信息，即将高维的高光谱数据作为VAE的训练数据，利用随机梯度下降法执行VAE的训练过程； 第二步，根据高光谱像素点在VAE隐含层的输出数据，提取各节点的独立同分布隐含层数据作为高光谱像素点的特征表示； 第三步，估计隐含层特征表示数据的局部均值和局部方差，即在高光谱图像的隐含层特征图上进行均值滤波和平方均值滤波； 第四步，构建可微分的RX异常检测算法得到异常指数，即在VAE的隐含层特征图上计算马氏距离，归一化之后执行KI阈值分割得到阈值参数，进而计算每个像素点的异常指数； 第五步，构建基于端到端RX的高光谱异常检测网络结构，即构建实现可微分RX的网络模块，将模块嵌入到VAE网络中，具体如下： 记Mean·；7为窗口大小为7×7的均值滤波函数；然后，将可微分RX检测算法用局部均值和平方局部均值的滤波函数实现，具体为 将高光谱像素点的高层特征图表示记为M×N表示高光谱图像的大小，J对应着隐含层特征表示的维度，zl∈z∈Z，z为隐含层的特征表示； 将均值滤波函数按照此公式嵌入到VAE网络中，对RX检测算法的输出层做归一化并进行KI阈值分割，得到阈值参数θ，则每个像素点的异常指数与dRX成正比，具体为 其中，ha表示每个像素点的异常指数； 将归一化层和异常指数层接入VAE网络，形成端到端RX的异常检测网络； 第六步，融合初步异常检测结果和端到端RX的损失函数，即将初步检测结果作为高光谱图像中各像素点在端到端RX网络中的权重系数； 第七步，利用随机梯度下降法训练网络并输出最终的异常检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。